特許文書データに人工知能技術を応用した競合分析...

特許文書データに人工知能技術を応用した競合分析と技術の新規用途探索

2017年11月2日

株式会社アナリティクスデザインラボ

代表取締役野守耕爾

© 2017 Analytics Design Lab Inc.

人工知能技術を応用したデータ分析の研究開発とビジネスコンサルティングの経験を活かし、2017年6月にデータ活用コンサルティングの新会社を設立しました

NTTデータ数理システムユーザーコンファレンス20172

会社紹介と自己紹介

株式会社アナリティクスデザインラボ野守耕爾

企業におけるデータ活用を支援す

るコンサルティング会社です。

設立 2017年6月1日

事業内容

⚫ 企業におけるデータ活用のコンサル

ティング

⚫ データ分析技術の研究開発

資本金 500万円

所在地東京都中野区東中野1-58-8-204

データというスタートから課題の解決というゴールまでを

いかにつなげばよいのか、どのようなデータ処理、分析

手法、考察、アクションを検討していけばよいのか、とい

うデータ分析を活用するプロセスを企業の抱える課題や

思惑・事情などに応じてしっかりとデザインし、それを実

行することで企業の課題解決を支援します。

◼ 2012年3月

早稲田大学大学院創造理工学研究科

経営システム工学専攻博士課程修了

博士（工学）

➢ 人間行動の計算モデルの開発を研究

◼ 2012年4月～（技術研修生としては2008年～）

独立行政法人産業技術総合研究所

デジタルヒューマン工学研究センター入所

➢ センシング技術を応用した子どもの行動計測と人工知能

技術を応用した行動の確率モデルの開発を研究

◼ 2012年12月～

デロイトトーマツグループ有限責任監査法人トーマツ

デロイトアナリティクス入所

➢ データサイエンティストとしてビッグデータを活用したビジネ

スコンサルティング及び分析技術の研究開発に従事

◼ 2017年6月～

株式会社アナリティクスデザインラボ設立


人工知能技術を応用した特許分析の新たな展開

3 NTTデータ数理システムユーザーコンファレンス2017


単語をベースに、あるいは手動でグルーピングしたカテゴリをベースに、全体の出現状況、経年変化、出願人の特徴、課題と解決手段の対応関係などを把握する分析がよく行われます


これまでの特許分析

0

50

100

150

200

250

300

350

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

件数

カテゴリ01 カテゴリ02 カテゴリ03 カテゴリ04 カテゴリ05

共起ネットワークによる全体像把握手動設定したカテゴリのトレンド把握

コレスポンデンス分析による出願人の特徴把握課題と解決手段のクロス集計による関係把握

◼ 単語の共起関係をネット

ワークで可視化する

◼ ネットワークのかたまりを

見ながら、全体でどのよう

な話題が形成されている

のか考察する

◼ 抽出した単語を手

動でいくつかのカ

テゴリにグルーピ

ングする

◼ 各カテゴリの出願

年ごとの出現頻度

をグラフ化し、トレ

ンドを把握する

◼ 単語の出現データから

共通して現れる特徴的

な軸を２つ抽出する

◼ その２軸による平面上

に単語と出願人を同時

にマッピングする

◼ 出願人の周辺に配置

された単語群から各出

願人の特徴を考察す

る

◼ 「要約」の【課題】

と【解決手段】そ

れぞれに対して

出現単語のカテ

ゴリを設定する

◼ 課題と解決手段

のカテゴリのクロ

ス集計をして、用

途と技術の関連

性を考察する


複数の人工知能技術を組み合わせることで、特許データを単語ベースではなく、客観的に抽出されるトピックベースで解釈し、そのトピックの統計的な関連性を分析できます


これまでの特許分析の課題と解決技術

単語ベースの分析では

複雑で考察しにくい

カテゴリの設定が主観的で

作業負荷も大きい

課題と解決手段の統計的な

関係を分析していない

PLSA確率的潜在意味解析

ベイジアンネットワーク

単語を賢くクラスタリングする

人工知能技術

要因関係をモデリングする

人工知能技術

文脈を考慮した潜在的なトピック

（単語の集合）を抽出する

多様な要因間の確率統計的な

因果関係をモデル化する


PLSAは、データをいくつかの潜在変数で説明するクラスタリング手法です


PLSA（確率的潜在意味解析）

PLSAの概要 PLSAのグラフィカルモデル

◼ 行列データの行の要素xと列の要素yの背後にある共

通特徴となる潜在クラスzを抽出する手法である

◼ 元々は文書分類のための手法として開発されている

(Hofman, 1999)

◼ 各文書の出現単語を記録した文書（行）×単語（列）

という高次元（列数の多い）共起行列データに適用す

ることで複数の潜在トピックを抽出し、文書（行）×ト

ピック（列）という低次元データに変換して文書を分類

する

文書ID単語

1

単語2

単語3

・・・単語5,014

単語5,015

1 0 0 1 1 0

2 1 0 1 0 1

・・・

文書IDトピック

1トピック

2・・・

トピック11

1 0.09% 0.03% 0.04%

2 0.01% 0.12% 0.06%

・・・

例えば数千列ある高次元のデータでも十数個の潜在トピックで説明することができる

z

x y

P(z)

P(x|z) P(y|z)

潜在クラス

行の要素列の要素

𝑷 𝒙, 𝒚 =𝒛𝑷 𝒛 𝑷 𝒙 𝒛 𝑷(𝒚|𝒛)

⚫ P(z), P(x|z), P(y|z)

の3つの確率が計算

される

⚫ 潜在クラスzの数は

あらかじめ設定する

※条件付確率P(A | B)

事象Bが起こる条件下

で事象Aの起こる確率

xとyの共起確率を潜在クラスzを使って表現する

PLSAのメリット

行の要素と列の要素を同

時にクラスタリングできるソフトクラスタリングできる

潜在クラスは行の要素と列の

要素の2つの軸の変動量に基

づいて抽出され、結果も2つの

軸の情報から潜在クラスの意

味を解釈することができる

全ての変数が全てのクラスに

所属し、その各所属度合いが

確率で計算されるため、複数

の意味を持つ変数がある場合

でも自然と表現できる


ベイジアンネットワークは、変数間の確率的な因果関係を探索するモデリング手法です



ベイジアンネットワークの概要確率的因果関係と交互作用

ベイジアンネットワークのメリット

X1

X2

X4

X3

X5

P(X2|X1,X5)

P(X4|X1)

P(X3|X2)

P(X5|X4)

P(X1)

※条件付確率P(A | B)

事象Bが起こる条件の下で事象Aの起こる確率

◼ 複数の変数の確率的な因果関係をネットワーク構造

で表わし、ある変数の状態を条件として与えたときの

他の変数の条件付確率を推論することができる

◼ 目的変数と説明変数の区別はなく、様々な方向から

変数の確率シミュレーションができる

◼ 全ての変数は質的変数（カテゴリカル変数）となるた

め、量的変数の場合は閾値を設けてカテゴリに分割

する

◼ 確率論の非線形処理によるモデル化のため、非線形

の関係や交互作用が生じる現象でも記述できる

現象を理解して柔軟に

シミュレーションできる

効果を発揮する有用な

条件を発見できる

何も条件を与えない

X2の発生確率

P(X2)

P(X2|X1)

P(X2|X1,X5)

X1を条件に与える

X１とX5を条件に与える

◼ X2の発生確率は、何も条件を与えない時（事前確率）と比べて、X1やX5を条件に与えると確率が上昇する⇒X1やX5はX2の発生に関して”確率的な”因果関係がある

◼ しかし、X1とX5の両方を条件に与えると、元々の事前確率よりも確率が下がってしまう⇒X1とX5はX2に対して交互作用がある（X1とX5は相性が悪い）

目的変数、説明変数の区別な

く変数の関係をモデル化する

ので、現象の構造を理解でき、

推論変数と条件変数を自由に

指定して確率推論できる

ある条件のときにだけ効果が

現れるといった交互作用があ

る場合でも、確率的に意味の

ある関係としてモデル化するこ

とができる

P(X2|X5)

X5を条件に与える


膨大なテキストデータをトピックに変換して解釈を容易にし、テキスト情報内に潜む要因関係をモデル化して、ビジネスアクションに有用な特徴を把握可能にします


新たなテキスト分析アプローチ：Nomolytics

テキストマイニング PLSA確率的潜在意味解析


※特許登録済（特許第6085888号）

膨大なテキストデー

タを人間が理解しや

すい形に整理できる

テキストの内容にお

ける複雑な要因関

係を構造化できる

条件を変化させたと

きの結果の挙動をシ

ミュレーションできる

ある事象の発生確

率をコントロールす

る条件を発見できる

◼ 文章を単語に分解し、その出現

頻度を集計する

◼ 各文章における出現単語情報の

データ（共起行列）を作成する

◼ 単語が出現する文脈を学習し、

背後に潜むトピックを抽出する

◼ 全テキストデータをトピックで説

明する（重みを計算する）

◼ トピックを含むテキスト情報内の

変数の関係構造をモデル化する

◼ 各変数が他の変数に与える影

響を確率シミュレーションする


トピック03

特許要約の【課題】と【解決手段】から用途と技術のトピックを抽出し、トピックのトレンド分析や出願人の特徴分析、また用途と技術の関係分析による新規用途探索を行います


Nomolyticsを適用した特許分析

トピックの特徴集計用途と技術の関係分析用途と技術のトピック抽出

デー

タの

抽出

用

途

ト

ピ

ッ

ク

の

抽

出

特願2014-XXX

【要約】

【課題】・・・

【解決手段】・・・

テキストマイニングを実行して単語と係り受け表現を抽出する

テキストマイニング PLSA


「単語×係り受け」の共起行列を作成し、これにPLSAを適用してトピックを抽出する

全特許データに各トピックのスコア（該当度）を計算する

用途トピックと技術トピックの統計的な関係性をベイジアンネットワークでモデル化する

出願年集計

トピックスコアを出願年で集計してトピックのトレンドを把握する

トピックスコアを出願人で集計して、各トピックにおける出願人の特徴を把握する

◼ 特許文書の要約文の「課題」と「解決手

段」のテキストデータを抽出する

◼ 「課題」からは用途トピックを、「解決手

段」からは技術トピックを抽出する

保有技術と関係のある用途トピックのうち、まだ想定していない用途を探索し、それに関連する元の特許文書を確認することで具体的な新規用途を検討する

単語品詞頻度

空気調和機名詞 3,106

空気名詞 2,846

容易名詞 2,790

抑制名詞 2,687

・・・・・・ …

係り受け表現頻度

空気調和機-提供 1,575

効率-良い 1,325

掃除機-提供 545

容易-構成 539

・・・ ...

単語

係り受け

空気調和機1,578 100 1

空気 85 144 45

容易 190 105 67

空気調和

機-

提供

効率-

良い

掃除機-

提供

トピック02

トピック01

1 2014 A社 2.1 0.6 … 1.5 5.0 …

2 2013 B社 0.3 3.4 … 4.6 0.9 …

3 2011 C社 4.8 2.2 … 2.7 1.1 …

n ・・・・・・ … … … … … …

出願年

用途トピック1

用途トピック2

出願人

ID

用途トピック**

技術トピック1

技術トピック2

技術トピック**

出願人集計

0.50

0.70

0.90

1.10

1.30

1.50

1.70

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

スコア

トピック01 トピック02 トピック03

トピック04 トピック05

注力度

E社A社

B社

C社

F社

D社

E社シェア

トピック01

トピック02

トピック01

トピック02

トピック03

用途

技術

保有技術トピックに対する各用途トピックの関係の強さ関

係の強さ

用途トピック01



技

術

ト

ピ

ッ

ク

の

抽

出


分析事例のご紹介



分析データ



「風」「空気」に関する10年分の特許データ30,039件を分析します


分析データ

データの抽出条件と抽出結果

◼対象

➢公開特許公報

◼キーワード

➢要約と請求項に「風」と「空気」を含む

◼出願年

➢ 2006年～2015年

◼抽出方法

➢PatentSQUAREを使用

◼抽出結果

➢ 30,039件

分析データの加工

◼要約文の【課題】と【解決手段】に記載されている文章

をそれぞれ抽出する

➢このような書式で記載されていないものは要約文を

そのまま使用する

◼出願人情報は名寄せをし、グループ会社などは統一

する

【要約】【課題】ユーザーの快適性を維持しつつ、省エネ運転を行うことができる空気調和機を提供すること。【解決手段】本発明の空気調和機は、室内温度を検出する室内温度検出手段と、人体の活動量を検出する人体検出手段と、基準室内設定温度を設定するリモコン装置３０とを備え、室内温度が基準室内設定温度となるように空調制御を行う空気調和機であって、人体検出手段で検出する活動量が所定の活動量以内であるときは、室内温度が、基準室内設定温度を補正した補正室内設定温度となるように空調を行い、補正室内設定温度よりも低い状態を継続すると、圧縮機を停止させ、圧縮機の復帰は、基準室内設定温度に基づいて行う。


用途のトピック抽出



「課題」に記載されている文章に含まれる単語と係り受け表現を抽出します


用途のテキストマイニング

単語の抽出係り受け表現の抽出

◼名詞、形容詞、形容動詞、動詞の単語を抽出 ◼名詞×形容詞、形容動詞、動詞（サ変名詞含む）の

係り受けペアを抽出

0 500 1,000 1,500 2,000 2,500 3,000 3,500

空気調和機空気容易抑制良い向上防止発生構成低減使用効率高い

抑制+できる用いる

行う+できる冷却

防止+できる複数塵埃

頻度

0 200 400 600 800 1,000 1,200 1,400 1,600

空気調和機-提供効率-良い

車両用空調装置-提供掃除機-提供容易-構成

画像形成装置-提供抑制-提供向上-図る方法-提供装置-提供

備える-空気調和機容易-構造発生-抑制

空気清浄機-提供低下-抑制

室内機-提供洗濯乾燥機-提供送風装置-提供

容易-行う+できる冷蔵庫-提供

頻度


単語×係り受け表現の共起行列にPLSAを適用し、「課題」の文章で同時に出現しやすい単語と係り受け表現を共通するトピックに集約します


共起行列の作成とPLSAの適用

共起行列の作成 PLSAの適用

◼単語×係り受け表現の共起行列（文章単位で同時に

出現する頻度のクロス集計表）を作成する

◼単語：3,256語×係り受け表現：2,084表現

（それぞれ頻度10件以上を対象）

◼ Visual Mining Studioの二項ソフトクラスタリングを使

用する

➢PLSAにNMF（非負値行列分解）を組み合わせた手

法で、PLSAの局所最適化を改善する

◼クラスタ数と初期値

➢PLSAはあらかじめトピック数を設定する必要があ

り、初期値により解が異なる初期値依存性がある

➢トピック数を15から35まで1刻みで変化させ、それ

ぞれのトピック数に対して二項ソフトクラスタリング

を初期値を変えて5回ずつ実行し、情報量基準AIC

を計算する

単

語

係り受け表現空気調和機-提供

効率-良い

車両用空調装置-提供

掃除機-提供

容易-構成

画像形成装置-提供

抑制-提供

向上-図る

方法-提供

装置-提供

空気調和機

1578 100 4 1 55 0 39 27 2 1

空気 85 144 45 45 50 34 31 19 13 22

容易 190 105 51 67 540 28 14 14 32 25

抑制 142 95 64 63 36 55 296 27 15 7

良い 113 1331 12 56 43 31 27 9 19 24

向上 122 33 24 51 22 8 15 279 11 4

防止 83 51 23 21 35 34 14 30 6 18

発生 79 108 40 13 30 43 43 12 13 22

構成 84 61 42 44 540 31 11 9 7 9

低減 80 49 44 18 19 10 14 27 16 8

U

W E

P(U)

P(W|U) P(E|U)

用途トピック

単語係り受け


用途では25個のトピックが抽出されました


最適トピック解の選定

PLSA実行解の評価トピックの構成

◼それぞれの実行解における情報量基準AICを評価

◼ トピック数=25の実行解の一つがAIC最小となった

◼ PLSAでは以下の3つの確率がアウトプットとなる

➢P(W|U) ・・・トピックにおける単語の所属確率

➢P(E|U) ・・・トピックにおける係り受けの所属確率

➢P(U) ・・・トピックの存在確率

◼ トピックの構成の例

➢以下は加湿に関する話題であることがわかる

6,310,000

6,315,000

6,320,000

6,325,000

6,330,000

6,335,000

6,340,000

6,345,000

15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35

AIC

トピック数

P(W|U) 単語 P(E|U) 係り受け5.5% 加湿装置 6.8% 加湿装置-提供3.7% 水 3.1% 加湿器-提供3.3% 供給 2.9% ミスト発生装置-提供2.4% 加湿 1.9% 水-供給2.3% カビ 1.7% 細菌-繁殖2.1% 加湿器 1.5% 加湿-行う2.1% 発生 1.4% 加湿機能付空気清浄機-提供2.0% 繁殖 1.3% ミスト-噴霧1.9% ミスト 1.3% 繁殖-抑制1.7% 加湿性能 1.2% 十分-量1.5% ミスト発生装置 1.2% カビ-発生1.4% 細菌 1.2% 効率-良い1.3% 室内 1.2% 空気調和機-提供1.3% 抑制+できる 1.1% 加湿-加湿装置1.1% 浴室 1.1% 空気-加湿… ・・・ … ・・・

U04P(U)=2.6%

それぞれの実行解のAIC

各トピック数における実行解の平均AIC


空調や加湿、空気清浄、掃除機、プリンタ、機器冷却、騒音や消費電力の低減、機能向上や構造の簡素化などの用途が抽出されました


用途トピック25個の一覧

U01.空調全般 U02.車両用空調 U03.空調の省エネ、快適性

U04加湿 U05.乾燥機能（衣類など）

U06.空気浄化（除菌・消臭）

U07.塵埃除去 U08.掃除機 U09.プリンタ U10.機器の冷却

U11.熱の制御と利用 U12.制御（冷媒回路等）

U13.抑制全般 U14.防止全般（流体の侵入、破損等）

U15.騒音低減

U16.消費電力の低減 U17.機能向上全般 U18.熱交換器の機能向上

U19.効率の良さ全般 U20.価値（コストや安全性など）

U21.検出・測定の精度 U22.構造の簡素化 U23.形成・配置（空気路等）

U24.方法・装置の提供 U25.その他（環境破壊の懸念等）

※文字の大きさはトピックに対する関係の強さを表現している（上位5つの単語を赤色で表示している）


技術のトピック抽出



0 2,000 4,000 6,000 8,000 10,000 12,000

空気形成配置構成複数供給内部

送風機制御位置

吸い込む吹出口発生外部接続下方上方送風検出冷却

頻度

0 200 400 600 800 1,000 1,200

空気-吸い込む吸い込む-空気

連-通す空気-吹き出す

吹出口-吹き出す空気-供給空気-送風空気-排出

制御部-備える吸込口-吸い込む

空気-加熱制御手段-備える

空気-循環吹き出す-空気

通過-空気吹出口-有する送風機-備える

温度-検出下方-設ける配置-備える

頻度

「解決手段」に記載されている文章に含まれる単語と係り受け表現を抽出します


技術のテキストマイニング

単語の抽出係り受け表現の抽出

◼名詞、形容詞、形容動詞、動詞の単語を抽出 ◼名詞×形容詞、形容動詞、動詞（サ変名詞含む）の

係り受けペアを抽出


空気-吸い込む

吸い込む-空気

連-通す空気-吹き出す

吹出口-吹き出す

空気-供給

空気-送風

空気-排出

制御部-備える

吸込口-吸い込む

形成 254 207 219 180 136 124 157 166 65 134

配置 210 191 150 123 143 100 127 100 59 118

構成 153 135 142 96 105 117 97 99 49 79

複数 101 93 88 74 78 71 70 63 50 34

供給 127 101 67 54 53 675 73 81 65 50

内部 134 107 126 76 44 84 71 111 39 64

送風機 225 197 112 113 73 125 109 58 72 137

制御 81 76 29 72 103 68 92 47 302 50

位置 82 72 70 68 72 39 44 51 28 43

吸い込む

1,146 917 99 313 244 68 70 112 58 504

単語×係り受け表現の共起行列にPLSAを適用し、「解決手段」の文章で同時に出現しやすい単語と係り受け表現を共通するトピックに集約します


共起行列の作成とPLSAの適用

共起行列の作成 PLSAの適用

◼単語×係り受け表現の共起行列（文章単位で同時に

出現する頻度のクロス集計表）を作成する

◼単語：5,187語×係り受け表現：7,174表現

（それぞれ頻度10件以上を対象）

◼ Visual Mining Studioの二項ソフトクラスタリングを使

用する

➢PLSAにNMF（非負値行列分解）を組み合わせた手

法で、PLSAの局所最適化を改善する

◼クラスタ数と初期値

➢PLSAはあらかじめトピック数を設定する必要があ

り、初期値により解が異なる初期値依存性がある

➢トピック数を35から60まで1刻みで変化させ、それ

ぞれのトピック数に対して二項ソフトクラスタリング

を初期値を変えて5回ずつ実行し、情報量基準AIC

を計算する

単

語

係り受け表現

T

W E

P(T)

P(W|T) P(E|T)

技術トピック

単語係り受け


P(W|T) 単語 P(E|T) 係り受け5.5% 送風機 2.1% 塵埃-分離5.2% 塵埃 1.7% 分離-塵埃4.1% 掃除機 1.7% 塵埃-含む3.6% 分離 1.5% 吸い込む-塵埃3.5% 吸い込む 1.3% 含む-空気2.3% 集塵部 1.0% 空気-分離1.9% 配置 1.0% 送風機-吸い込む1.9% 集塵容器 1.0% 発生-送風機1.6% 旋回 0.9% 含塵空気-分離1.5% 含塵空気 0.9% 備える-掃除機1.4% 捕集 0.8% 掃除機-設ける1.3% 集塵室 0.8% 空気-吸い込む1.3% 通過 0.8% 送風機-備える1.3% 発生 0.8% 掃除機-備える1.2% 集塵装置 0.7% 吸い込む-空気… ・・・ … ・・・

T32P(T)=2.7%

50,315,000

50,320,000

50,325,000

50,330,000

50,335,000

50,340,000

50,345,000

50,350,000

50,355,000

50,360,000

50,365,000

50,370,000

35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60

AIC

トピック数

技術では47個のトピックが抽出されました


最適トピック解の選定

PLSA実行解の評価トピックの構成

◼それぞれの実行解における情報量基準AICを評価

◼ トピック数=47の実行解の一つがAIC最小となった

◼ PLSAでは以下の3つの確率がアウトプットとなる

➢P(W|T) ・・・トピックにおける単語の所属確率

➢P(E|T) ・・・トピックにおける係り受けの所属確率

➢P(T) ・・・トピックの存在確率

◼ トピックの構成の例

➢以下は塵埃の分離に関する話題であることがわかる

それぞれの実行解のAIC

各トピック数における実行解の平均AIC


空気の冷却や風路、送風搬送、印刷、機器冷却、放熱、除湿、乾燥、加熱、加湿、イオン生成、空気清浄、塵埃除去、センサと制御、構成や配置などの技術が抽出されました


技術トピック47個の一覧①

T01.冷凍サイクル T02.冷却 T03.車室内空調 T04.空気路 T05.換気

T06.排気 T07.空気の吸込と吹出

T08.流体の流入と吐出

T09.空気流の利用と制御

T10.送風

T11.空気の噴出 T12.送風搬送（紙葉類等）

T13.印刷 T14.光の利用（照射、発光等）

T15.ファンと機器冷却

T16.空気導入と車両エンジンの冷却

T17.放熱 T18.除湿 T19.乾燥機能 T20.洗濯乾燥

T21.洗浄（衣類や食器等）

T22.燃焼 T23.加熱 T24.温湿度制御と空気循環

T25.加湿



空気の冷却や風路、送風搬送、印刷、機器冷却、放熱、除湿、乾燥、加熱、加湿、イオン生成、空気清浄、塵埃除去、センサと制御、構成や配置などの技術が抽出されました


技術トピック47個の一覧②

T26.放電式ミスト生成 T27.微細粒子の飛散（マイナスイオン等）

T28.イオン発生・空気除菌・脱臭

T29.電解水生成と除菌

T30.空気清浄＆効率性

T31.塵埃除去 T32.塵埃分離 T33.回転駆動 T34.電源と駆動制御 T35.運転と停止の制御

T36.センサと制御（温度や風量等）

T37.人検出 T38.風向制御 T39.抑制・防止（騒音やコスト等）

T40.構成・取り付け

T41.接続 T42.機器（熱交換等）の配置

T43.配置と形成 T44.位置・形状・大きさ T45.位置の方向

T46.方法・装置 T47.その他（発明目的、ケース構成等）



トピックのスコアリング



文章単位に各トピックのスコア(該当度)を計算し、それを特許ID単位に集約し、最終的には閾値を設定して{0:該当無,1:該当有}のデータに変換します


トピックのスコアデータ作成

特許ID 文章ID T01 T02 T03 ・・・ T47

1 1 3.1 0.9 2.0 1.1

1 2 1.4 0.2 5.5 2.4

2 1 0.8 5.8 1.3 0.9

2 2 1.2 3.2 1.7 1.0

2 3 0.6 1.8 2.6 1.6

・・・

特許ID T01 T02 T03 ・・・ T47

1 3.1 0.9 5.5 2.4

2 1.2 5.8 2.6 1.6

・・・

特許ID T01 T02 T03 ・・・ T47

1 1 0 1 0

2 0 1 0 0

・・・

①文章単位にスコアを算出

②特許IDごとに文章スコアを集約

③閾値を設定して{0,1}のデータに変換

◼句点（。）などで区切られる文章単位に、各トピックの該当

度を計算（計算方法は次のスライドで説明）

◼用途の文章数：37,087件

◼技術の文章数：61,611件

◼特許IDごとにその中の文章スコアの最大値を採用する

◼特許ID数：30,039件

◼スコアと実際の文章の内容を確認しながら、スコアの閾値

を設定し、{0:該当無,1:該当有}のデータに変換する

◼今回は閾値を3.0に設定


トピック𝑇𝑘を条件とした文章𝑆ℎの出現確率※𝑃 𝑆ℎ 𝑆𝑤ℎ と𝑃 𝑆ℎ 𝑆𝑒ℎ はともに1/2とする

文章𝑆ℎの出現確率

係り受け𝐸𝑗で定義される文章𝑆𝑒ℎ

トピック𝑇𝑘を条件とした文章𝑆𝑒ℎの出現確率

係り受け𝐸𝑗が出現する中で文章𝑆𝑒ℎが出現す

る確率（𝐸𝑗の出現文章数の逆数）

単語𝑊𝑖で定義される文章𝑆𝑤ℎ

トピック𝑇𝑘を条件とした文章𝑆𝑤ℎの出現確率

単語𝑊𝑖が出現する中で文章𝑆𝑤ℎが出現する確率（𝑊𝑖の出現文章数の逆数）

文章単位のトピックのスコアを単語と係り受けの両方の軸から確率的に計算します


トピックのスコアの算出方法

S

T

W E

P(T)

P(W|T) P(E|T)

トピック

単語係り受け

Sw Se

文章

P(Sw|W) P(Se|E)

P(S|Sw) P(S|Se)

𝑷(𝑺|𝑻)

𝑷(𝑺)文章単位

のスコア

◼ リフト値（事後確率÷事前確率）

◼ トピックを条件とすることで文章の発生

確率が何倍になるのかを示す

文章を単語で定義される文章Swと係

り受けで定義される文章Seを設定し、

それぞれトピックとの関係を計算し、最

終的にそれらを一つに統合する

𝑆𝑤ℎ = 𝑊1,𝑊2, ⋯ ,𝑊𝑖

𝑃(𝑆𝑤ℎ|𝑇𝑘) =

𝑖

𝑃(𝑆𝑤ℎ|𝑊𝑖)𝑃(𝑊𝑖|𝑇𝑘)

𝑃(𝑆ℎ) =

𝑘

𝑃(𝑆ℎ|𝑇𝑘)𝑃(𝑇𝑘)

𝑃 𝑆𝑤ℎ 𝑊𝑖 = 1/𝑛 𝑊𝑖

𝑆𝑒ℎ = 𝐸1, 𝐸2, ⋯ , 𝐸𝐽

𝑃(𝑆𝑒ℎ|𝑇𝑘) =

𝑗

𝑃(𝑆𝑒ℎ|𝐸𝑗)𝑃(𝐸𝑗|𝑇𝑘)

𝑃 𝑆𝑒ℎ 𝐸𝑗 = 1/𝑛 𝐸𝑗

𝑃 𝑆ℎ 𝑇𝑘 = 𝑃 𝑆ℎ 𝑆𝑤ℎ 𝑃 𝑆𝑤ℎ 𝑇𝑘 + 𝑃 𝑆ℎ 𝑆𝑒ℎ 𝑃 𝑆𝑒ℎ 𝑇𝑘


特許データとトピックのスコアデータを結合することで、トピックをベースとした様々な集計・分析を実行することができます


トピックスコア付特許データ

トピックスコアを紐づけた特許データ

特許ID 出願番号出願年出願人用途トピックU01

用途トピックU02

・・・用途トピックU25

技術トピックT01

技術トピックT02

・・・技術トピックT47

1 特願2006-XXXX 2006 A社 1 1 0 1 0 0

2 特願2009-XXXX 2009 B社 0 1 1 0 1 0

3 特願2012-XXXX 2012 C社 0 1 1 1 0 0

4 特願2013-XXXX 2013 D社 1 0 0 1 0 1

・・・・・・・・・・・・ … … … … … …

30039 特願2015-XXXX 2015 X社 1 0 1 0 0 1

①出願年の集計

②出願人の集計

③用途と技術の関連性の分析


出願年のトピック集計によるトレンド分析



0.60

0.80

1.00

1.20

1.40

1.60

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

リフト

U08.掃除機 U06.空気浄化（除菌・脱臭）

U07.塵埃除去 U09.プリンタ

U19.効率の良さ全般

0.60

0.80

1.00

1.20

1.40

1.60

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

リフト

U08.掃除機 U13.抑制全般

U17.機能向上全般 U09.プリンタ

U21.検出・測定の精度

0.60

0.80

1.00

1.20

1.40

1.60

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

リフト

U09.プリンタ U23.形成・配置（空気路等）

U08.掃除機 U12.制御（冷媒回路等）

U13.抑制全般

近年は掃除機や空気浄化、塵埃除去、プリンタに関する用途が上昇しています


用途トピックの上昇トレンド

2006年からの上昇率 best5



集計の仕方

◼リフト値を出願年・トピックごとに集計

◼その出願年の出願件数割合を平均（=1）として標準化

した値

P(出願年 | トピックUx=1)

P(出願年)


0.60

0.80

1.00

1.20

1.40

1.60

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

リフト

U23.形成・配置（空気路等） U12.制御（冷媒回路等）


U14.防止全般（流体の侵入等）

0.60

0.80

1.00

1.20

1.40

1.60

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

リフト


U22.構造の簡素化 U14.防止全般（流体の侵入等）

U05.乾燥機能（衣類など）

0.60

0.80

1.00

1.20

1.40

1.60

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

リフト

U14.防止全般（流体の侵入等） U07.塵埃除去

U25.その他（環境破壊の懸念等） U24.方法・装置の提供

U06.空気浄化（除菌・脱臭）



した値

長期的には塵埃除去や空気浄化は下降傾向にあり、近年は冷媒回路などの制御に関する用途が下降しています


用途トピックの下降トレンド

2006年からの下降率 worst5



集計の仕方

P(出願年 | トピックUx=1)

P(出願年)


0.60

0.70

0.80

0.90

1.00

1.10

1.20

1.30

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

リフト

T32.塵埃分離 T14.光の利用（照射、発光等）

T47.その他 T19.乾燥機能

T16.空気導入・車両エンジン冷却

0.60

0.70

0.80

0.90

1.00

1.10

1.20

1.30

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

リフト

T10.送風 T23.加熱

T07.空気の吸込と吹出 T32.塵埃分離

T16.空気導入・車両エンジン冷却

0.60

0.70

0.80

0.90

1.00

1.10

1.20

1.30

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

リフト

T14.光の利用（照射、発光等） T44.位置・形状・大きさ

T36.センサと制御 T16.空気導入・車両エンジン冷却

T43.配置と形成

近年は塵埃分離や車両エンジンの冷却に関する技術が、長期的にはプロジェクタなどの光の利用に関する技術が上昇しています


技術トピックの上昇トレンド




集計の仕方



した値

P(出願年 | トピックTx=1)

P(出願年)


0.60

0.70

0.80

0.90

1.00

1.10

1.20

1.30

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

リフト

T27.微細粒子飛散（負イオン等） T01.冷凍サイクル

T18.除湿 T46.方法・装置

T25.加湿

0.60

0.70

0.80

0.90

1.00

1.10

1.20

1.30

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

リフト

T28.イオン発生・空気除菌・脱臭 T19.乾燥機能

T18.除湿 T33.回転駆動

T39.抑制・防止（騒音やコスト等）

0.60

0.70

0.80

0.90

1.00

1.10

1.20

1.30

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

リフト

T39.抑制・防止（騒音コスト等） T30.空気浄化＆効率性

T18.除湿 T31.塵埃除去

T27.微細粒子飛散（負イオン等）



した値

中長期的には空気浄化(イオン発生や除菌、脱臭、塵埃除去など)や除湿・乾燥に関する技術が下降しており、短期的には冷凍サイクルや加湿に関する技術も下降傾向にあります


技術トピックの下降トレンド




集計の仕方

P(出願年 | トピックTx=1)

P(出願年)


出願人のトピック集計による競合分析



注力度とシェアの2つの軸で各トピックにおける出願人の特徴を把握します


出願人とトピックの集計の考え方

注力度（関心度）

特許ID出願人A社

出願人B社

出願人C社

・・・トピックT01

トピックT02

トピックT03

・・・

1 1 0 0 1 0 0

2 1 0 0 0 0 1

3 1 0 0 1 0 0

4 1 0 0 1 0 0

5 1 0 0 1 0 0

6 0 1 0 0 1 0

7 0 1 0 0 1 1

8 0 1 0 1 1 0

9 0 1 1 0 0 0

10 0 0 1 0 1 0

・・・ … … … … … …

A社=1 T01=1A社=1

T01=1

◼出願人Xの出願特許の中で、どれくらいの割合がその

トピックTに該当するものか

◼出願人がどれくらいそのトピックに注力しているのかを

示しており、高い技術を保有している可能性がある

𝑷 トピック𝑻 = 𝟏 |出願人𝑿 = 𝟏

シェア

◼ トピックTが該当する特許の中で、どれくらいの割合が

その出願人Xの出願によるものか

◼ トピックのなかでどれくらいその出願人が占めている

のかを示しており、技術市場のシェアともいえる

𝑷 出願人𝑿 = 𝟏 | トピック𝑻 = 𝟏

集計対象

集計データと集計イメージ

◼名寄済みの出願人情報のうち、出願件数上位26社を

集計対象とする


光の利用に関する技術は、ある１社が注力度もシェアも他社を大きく突き放しています


出願人分析例①：T14.光の利用(照射、発光等)

シ

ェ

ア

注力度

◼注力度もシェアもN社が他社を圧倒している

◼特に注力度に大きな乖離があり、技術的に突き

放されている可能性がある

◼複数社で連携してN社に対抗することも考えら

れる

注力度とシェアの散布図考察と戦略の検討


車両エンジンの冷却に関する技術は、３社が競合している状態にあるといえます


出願人分析例②：T16.空気導入と車両エンジンの冷却

シ

ェ

ア

注力度

◼H社、D社、M社の３社が競合しているように思

われる

◼D社もM社もある程度シェアを確保しており、そ

のなかでもD社はより高いシェアがあり、M社は

より高い注力度があるが、この２社が連携する

ことがあれば高シェア高注力度のポジションを

獲得できる可能性がある

◼H社はそうした他社の連携動向に対抗する手段

として、シェアは小さくても注力度が高く技術力

の高い小規模の企業と連携することで、より高

シェア高注力度のポジションを獲得できると思

われる



塵埃分離に関する技術は、１社の注力度が高いものの、他にもある程度のシェア・注力度を保有する企業が何社か存在するため、今後連携などの動きも考えられる領域と思われます


出願人分析例③：T32.塵埃分離

シ

ェ

ア

注力度

◼C社は、高めのシェアを獲得しつつ、他社と比べ

て注力度がとても高く、高い技術力を保有して

いると考えられ、今後はよりシェアを伸ばすこと

で高シェア高注力度のポジションを確立するこ

とができると考えられる

◼ A社とB社は、シェアは高いがまだC社に注力度

で劣っているので、例えば規模は中程度だが注

力度は比較的高く、技術力があると思われるE

社、G社、I社などと連携することで、C社の上の

ポジションを狙うことができる可能性がある



用途と技術の関係分析による技術の新規用途探索



用途トピックと技術トピックの{0,1}データにベイジアンネットワークを適用して、技術⇒用途の確率的因果関係をモデル化します


ベイジアンネットワークを適用した技術と用途の関係分析

技術トピック

用途トピック


技術トピックを条件に与えたとき、それと確率的因果関係を持つと判定された各用途トピックの確率がどのように変化するのかシミュレーションして、その関連性の強さを確認します


モデルを用いた確率シミュレーション

「T18.除湿」を条件に与えた結果

「T35.運転と停止の制御」を条件に与えた結果

「 T25.加湿」を条件に与えた結果

「 T37.人検出」を条件に与えた結果

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

U04 U06 U18 U22 U24

確率

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

U01 U03 U21

確率

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

U05 U12

確率

U04.加湿 U06.空気浄化（除菌・脱臭）

U18.熱交換器の機能向上

U22.構造の簡素化

U24.方法・装置の提供

元々の発生確率（事前確率） T25を条件に与えた確率

U01.空調全般

U03.空調の省エネ、快適性



0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

U02 U03 U21 U25

確率

U02.車両用空調

U03.空調の省エネ、快適性


U25.その他


U05.乾燥機能（衣類など）

U12.制御（冷媒回路等）



「U02.車両用空調」の用途は、「T09.空気流の利用と制御」の技術の応用先として高い関連性がありますが、出願人Xの保有するT09ではそれがありません


技術の新規用途探索例①：T09.空気流の利用と制御⇒U02.車両用空調

全体でのU02の該当割合

出願人XのT09におけるU02の割合

全体でのT09におけるU02の割合

考察

全体

30,039件全体でT09に該当

2,977件

U02の該当

2,162件（7.2%）

U02の該当

570件（19.1%）

U02の該当

0件（0%）

X社でT09に該当

36件

◼ベイジアンネットワークのモデルでは、「T09.空気流の

利用と制御」に対する「U02.車両用空調」の関係が見

られた

◼全体では、U02の該当は7.2%だが、T09を条件とした

ときでは、その該当割合が19.1%となり高い関連性が

認められる

◼しかし、出願人Xでは、T09に該当する特許のうち、

U02に該当する特許は1件もない

⇒X社の保有するT09はU02での用途も考えられる


印刷機内で気流を制御して空気量を調整する技術は、車両室内での温度調整のための気流制御にも応用できるかもしれません


用途技術の新規用途探索例①：T09技術をU02用途で応用するアイデア検討

T09がU02で応用されている例出願人Xの保有するT09の例

発明の名称

車両用空調システム

課題

イグニッションオフ時でも車両内の残熱を利用して室内温度を快適に保つことができる車両用空調システムを提供する。

解決手段

車両用空調システムにおいて、エンジン駆動時に加熱されたヒータコアが、車載空調装置に車載バッテリーから駆動電源を投入することにより、車室内へ向かう空調風を発生させ、エアミックスダンパの開度をヒータコアを通過する空気が多くなるように気流を調整して、車内温度が車外温度に近づくことを妨げる。

発明の名称

画像形成装置及び電子装置

課題

本体内の温度上昇を抑制することができる画像形成装置及び電子装置を提供する。

解決手段

画像形成装置は、画像形成装置本体と、本体に設けられた画像形成部と、本体から排出される空気が流れる第１の流路と、第１の流路から排出される空気の流れと干渉するように排出される空気が流れる第２の流路と、第２の流路を単位時間あたりに流れる空気の量を抑制するリブと、第１の流路を単位時間あたりに流れる空気の量を増加させる導風板を有していて、第２の流路から単位時間あたりに排出される空気の量が、第１の流路から単位時間あたりに排出される空気の量よりも小さくなるように調整されている。

※対外説明用のため要約文は一部加工している


「U04.加湿」の用途は、「T26.放電式ミスト生成」の技術の応用先として高い関連性がありますが、出願人Nの保有するT26ではそれがありません


技術の新規用途探索例②：T26.放電式ミスト生成⇒U04.加湿


出願人NのT26におけるU04の割合


考察

全体


2,308件

U04の該当

1,881件（6.3%）

U04の該当

435件（18.8%）

U04の該当

0件（0%）

N社でT26に該当

25件

◼ベイジアンネットワークのモデルでは、「T26.放電式ミ

スト生成」に対する「U04.加湿」の関係が見られた



認められる

◼しかし、出願人Nでは、T26に該当する特許のうち、

U04に該当する特許は1件もない

⇒N社の保有するT26はU04での用途も考えられる


プロジェクタの中で空気を流動させるためにイオン風を発生させる技術は、加湿装置の中で空気を加湿するために起こすイオン風にも応用できるかもしれません


用途技術の新規用途探索例②：T26技術をU04用途で応用するアイデア検討

T26がU04で応用されている例出願人Nの保有するT26の例

発明の名称

加湿装置を備えた空気調和機

課題

加湿性能を向上させた加湿装置、及びその加湿装置を備えた空気調和機を提供する。

解決手段

導電性の電極と、電極の対向電極としての機能を有する吸水性加湿材と、電極に電圧を印加する電源と、吸水性加湿材に加湿水を供給する給水手段と、電極と吸水性加湿材との間の空間に形成される風路に空気を流す送風機と、を備え、電極に電圧を印加して電極から吸水性加湿材の面に対して法線方向へ向かうイオン風を発生させながら吸水性加湿材に当てて、風路の空気を加湿するものである。

発明の名称

光源装置およびプロジェクター

課題

発光管の適切な温度調整を可能とし、構造の簡素化や騒音の発生を抑えた光源装置を提供する。

解決手段

光源装置は、光を射出する発光部と第２封止部と第１封止部を備える発光管と、発光部の一部を覆う副反射面と第１封止部を覆う延伸部を備える副反射鏡と、副反射面で反射した光を反射させる主反射鏡と、副反射鏡を挟んで設けられた第１電極と第２電極を有し、第１電極は、第２電極よりも発光部側にずらして配置され、電圧を印加することでイオン風を起こし、副反射面と発光部との間の空気を流動可能とする。



「U04.加湿」の用途は、「T24.温湿度制御と空気循環」の技術の応用先として高い関連性がありますが、出願人Wの保有するT24ではそれがほとんどありません


技術の新規用途探索例③：T24.温湿度制御と空気循環⇒U04.加湿


出願人WのT24におけるU04の割合


考察

全体


2,632件

U04の該当

1,881件（6.3%）

U04の該当

478件（18.2%）

U04の該当

1件（3.0%）

W社でT24に該当

33件

◼ベイジアンネットワークのモデルでは、「T24.温湿度制

御と空気循環」に対する「U04.加湿」の関係が見られ

た



認められる

◼しかし、出願人Wでは、T24に該当する特許のうち、

U04に該当する特許は1件だけである

⇒W社の保有するT24はU04での用途も考えられる


印刷機内の用紙の水分量を制御する加湿送風技術は、浴室内の快適なサウナ環境の実現にも応用できるかもしれません


用途技術の新規用途探索例③：T24技術をU04用途で応用するアイデア検討

T24がU04で応用されている例出願人Wの保有するT24の例

発明の名称

空調システム

課題

少ない消費エネルギーで浴室の加熱および加湿を十分に行い、快適なサウナ環境を実現できる空調システムを提供する。

解決手段

冷媒を圧縮する圧縮機と冷媒が放熱する利用側熱交換器と冷媒を膨張させる膨張機構と冷媒が吸熱する熱源側熱交換器を接続した冷媒回路と、浴室に開口した吸込口から空気を吸い込んで浴室に開口した吹出口から空気を吹き出す循環ファンと、ミストを発生させるミスト発生器とを備え、熱源側熱交換器において冷媒が吸熱した熱を利用側熱交換器において循環ファンが送風する空気に対して放熱することによりヒートポンプを作動させて浴室内を加熱するとともにミスト発生器で発生したミストを浴室内に供給することにより浴室内を加湿して高温高湿のサウナ環境を実現する。

発明の名称

シーズニング装置、画像形成装置

課題

画像が形成された記録媒体（用紙）に生じるコックリング（波打ち）を抑制することができるシーズニング装置及び画像形成装置を得る。

解決手段

装置本体から排出された用紙は、吹付装置によって加湿された空気が吹き付けられる（加湿シーズニング）。吹付装置によって吹き付けられた加湿された空気は、用紙間に吹き込まれ、非描画部に水分を供給する。加湿された空気を５分間吹き付けた後は、水管の噴出口が閉止され、加湿されない空気を用紙に１０分間吹き付ける（送風シーズニング）。これにより、非描画部の水分量が、用紙が元々含んでいた水分量にまで戻るため、描画部と非描画部との水分量の差は小さくなり、用紙に生じるコックリング（波打ち）を抑制することができる。



「U05.乾燥機能(衣類など)」の用途は、「T18.除湿」の技術の応用先として高い関連性がありますが、出願人Wの保有するT18ではそれがほとんどありません


技術の新規用途探索例④：T18.除湿⇒U05.乾燥機能（衣類など）


出願人WのT18におけるU05の割合


考察

全体


2,333件

U05の該当

2,382件（7.9%）

U05の該当

470件（20.1%）

U05の該当

1件（3.8%）

W社でT18に該当

26件

◼ベイジアンネットワークのモデルでは、「T18.除湿」に

対する「U05.乾燥機能（衣類など）」の関係が見られ

た



認められる

◼しかし、出願人Wでは、T18に該当する特許のうち、

U05に該当する特許は1件だけである

⇒W社の保有するT18はU05での用途も考えられる


印刷機の中でインク液のムラやインク液の吸収による用紙の波うちを防ぐ乾燥処理技術は、洗濯乾燥機の中で洗濯物をムラ無く効率的に乾燥させることにも応用できるかもしれません


用途技術の新規用途探索例④：T18技術をU05用途で応用するアイデア検討

T18がU05で応用されている例出願人Wの保有するT18の例

発明の名称

ドラム式洗濯乾燥機

課題

洗濯物を短い時間でムラ無く乾燥させ、乾燥工程の時間を短くすることができるドラム式洗濯乾燥機を提供する。

解決手段

送風機に吸い込まれた空気は、風路切替弁の切り替えにより、ドラム開口部に対向する前側吹出口へ流れたり、回転ドラムの後部に設けられた後側吹出口へ流れたりする。制御装置が風路切替弁の切り替えを制御することによって、恒率乾燥過程時、前側吹出口から乾燥用空気が吹き出し、かつ、減率乾燥過程時、後側吹出口から乾燥用空気が吹き出す。これにより、恒率乾燥過程において乾燥用空気が効果的に当たらなかった、回転ドラムの後端壁側の洗濯物に、乾燥用空気が減率乾燥過程で効果的に当たる。

発明の名称

インクジェット記録装置及び画像記録方法

課題

処理液の厚みムラを低減するとともに処理液による用紙のコックリングを低減することで、高品質かつ高速の画像記録を可能とするインクジェット記録装置及び画像記録方法を提供する。

解決手段

記録媒体に処理液を付与する処理液付与部の後段には、記録媒体表面に残存する溶媒を蒸発させるプレ加熱部が設けられている。プレ加熱部はＩＲプレヒータにより記録媒体表面を輻射加熱するとともに、吸引ファンにより記録媒体表面の湿り空気を置換する。液状の処理液が不均一にならないように乾燥処理を施すことで、均一な膜厚を持つ固体状の凝集処理層が形成される。その後、本加熱部による熱風噴射加熱により、コックリング量が所定量以下になるように本加熱処理が施される。



まとめ



膨大なテキストデータをトピックに変換して解釈を容易にし、テキスト情報内に潜む要因関係をモデル化して、ビジネスアクションに有用な特徴を把握可能にします


新たなテキスト分析アプローチ：Nomolytics

テキストマイニング PLSA確率的潜在意味解析


※特許登録済（特許第6085888号）

膨大なテキストデー

タを人間が理解しや

すい形に整理できる

テキストの内容にお

ける複雑な要因関

係を構造化できる

条件を変化させたと

きの結果の挙動をシ

ミュレーションできる

ある事象の発生確

率をコントロールす

る条件を発見できる

◼ 文章を単語に分解し、その出現

頻度を集計する

◼ 各文章に出現する単語情報を

データ化する（共起行列の作成）

◼ 単語が出現する文脈を学習し、

背後に潜むトピックを抽出する

◼ 全テキストデータをトピックで説

明する（重みを計算する）

◼ トピックを含むテキスト情報内の

変数の関係構造をモデル化する

◼ 各変数が他の変数に与える影

響を確率シミュレーションする


トピック03

テキストマイニングに加え、トピックを抽出するPLSAと、そのトピックの関係をモデル化するベイジアンネットワークを適用することで、特許情報に潜む特徴を分かりやすく把握できました


Nomolyticsを適用した特許分析

トピックの特徴集計用途と技術の関係分析用途と技術のトピック抽出

デー

タの

抽出

特願2014-XXX

【要約】

【課題】・・・

【解決手段】・・・

テキストマイニングを実行して単語と係り受け表現を抽出する

テキストマイニング PLSA


「単語×係り受け」の共起行列を作成し、これにPLSAを適用してトピックを抽出する

全特許データに各トピックのスコア（該当度）を計算する

用途トピックと技術トピックの統計的な関係性をベイジアンネットワークでモデル化する

出願年集計

トピックスコアを出現年で集計してトピックのトレンドを把握する

トピックスコアを出願人で集計して、各トピックにおける出願人の特徴を把握する

◼ 特許文書の要約文の「課題」と「解決手

段」のテキストデータを抽出する

◼ 「課題」からは用途トピックを、「解決手

段」からは技術トピックを抽出する

保有技術と関係のある用途トピックのうち、まだ想定していない用途を探索し、それに関連する元の特許文書を確認することで具体的な新規用途を検討する

単語品詞頻度

空気調和機名詞 3,106

空気名詞 2,846

容易名詞 2,790

抑制名詞 2,687

・・・・・・ …

係り受け表現頻度

空気調和機-提供 1,575

効率-良い 1,325

掃除機-提供 545

容易-構成 539

・・・ ...

単語

係り受け

空気調和機1,578 100 1

空気 85 144 45

容易 190 105 67

空気調和

機-

提供

効率-

良い

掃除機-

提供

トピック02

トピック01

1 2014 A社 2.1 0.6 … 1.5 5.0 …

2 2013 B社 0.3 3.4 … 4.6 0.9 …

3 2011 C社 4.8 2.2 … 2.7 1.1 …

n ・・・・・・ … … … … … …

出願年

用途トピック1

用途トピック2

出願人

ID

用途トピック**

技術トピック1

技術トピック2

技術トピック**

出願人集計

0.50

0.70

0.90

1.10

1.30

1.50

1.70

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

スコア

トピック01 トピック02 トピック03

トピック04 トピック05

注力度

E社A社

B社

C社

F社

D社

E社シェア

トピック01

トピック02

トピック01

トピック02

トピック03

用途

技術

保有技術トピックに対する各用途トピックの関係の強さ関

係の強さ




用

途

ト

ピ

ッ

ク

の

抽

出

技

術

ト

ピ

ッ

ク

の

抽

出


単語ではなく集約されたトピックをベースにした分析を実行することで、膨大な特許情報に潜む特徴を分かりやすく理解することができます


Nomolyticsを適用した特許分析のメリット①

0.50

0.60

0.70

0.80

0.90

1.00

1.10

1.20

1.30

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

リフト

T14.光の利用（照射、発光等） T44.位置・形状・大きさ

T36.センサと制御 T16.空気導入・車両エンジン冷却

T43.配置と形成

シ

ェ

ア

注力度

トピックをベースにしたトレンド分析トピックをベースにした競合分析

0.50

0.60

0.70

0.80

0.90

1.00

1.10

1.20

1.30

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

リフト

T39.抑制・防止（騒音コスト等） T30.空気浄化＆効率性

T18.除湿 T31.塵埃除去

T27.微細粒子飛散（負イオン等）


用途と技術の統計的な関係を把握し、本来関連の強い用途でもそれを想定していないで出願されている特許技術を見つけ、技術の新規用途のアイデアを創出できます


Nomolyticsを適用した特許分析のメリット②

技術トピックに対する用途トピックの関係分析技術の新規用途探索

技術トピック

用途トピック

発明の名称

空調システム

課題

少ない消費エネルギーで浴室の加熱および加湿を十分に行い、快適なサウナ環境を実現できる空調システムを提供する。

解決手段

冷媒を圧縮する圧縮機と冷媒が放熱する利用側熱交換器と冷媒を膨張させる膨張機構と冷媒が吸熱する熱源側熱交換器を接続した冷媒回路と、浴室に開口した吸込口から空気を吸い込んで浴室に開口した吹出口から空気を吹き出す循環ファンと、ミストを発生させるミスト発生器とを備え、熱源側熱交換器において冷媒が吸熱した熱を利用側熱交換器において循環ファンが送風する空気に対して放熱することによりヒートポンプを作動させて浴室内を加熱するとともにミスト発生器で発生したミストを浴室内に供給することにより浴室内を加湿して高温高湿のサウナ環境を実現する。

発明の名称

シーズニング装置、画像形成装置

課題

画像が形成された記録媒体（用紙）に生じるコックリング（波打ち）を抑制することができるシーズニング装置及び画像形成装置を得る。

解決手段

装置本体から排出された用紙は、吹付装置によって加湿された空気が吹き付けられる（加湿シーズニング）。吹付装置によって吹き付けられた加湿された空気は、用紙間に吹き込まれ、非描画部に水分を供給する。加湿された空気を５分間吹き付けた後は、水管の噴出口が閉止され、加湿されない空気を用紙に１０分間吹き付ける（送風シーズニング）。これにより、非描画部の水分量が、用紙が元々含んでいた水分量にまで戻るため、描画部と非描画部との水分量の差は小さくなり、用紙に生じるコックリング（波打ち）を抑制することができる。


Nomolyticsは様々な業務のテキストデータに適用することができます


Nomolyticsの適用対象例

口コミアンケートコールセンター履歴

特許文書営業日報有価証券報告書

エントリーシート診療記録問題発生レポート

◼ 顧客の関心トピックのターゲット別把握

◼ 顧客目線での製品や競合の比較分析

◼ 満足度向上の要因の把握

◼ 価値観を理解したマーケティング検討

◼ 自由記述の内容をトピック化

◼ 自由記述トピックを変数として扱うこと

で定型設問回答と一緒に分析可能

◼ 話題を生む要因の把握

◼ 問い合わせ内容をトピック化

◼ 製品別・顧客別の問い合わせ特徴把握

◼ 問い合わせトピック等の条件から解約

確率をシミュレーション

◼ 課題と技術のトピックのトレンド把握

◼ 競合他社の技術動向把握

◼ 課題と技術のトピックの関係モデル化

による保有技術の新規用途探索

◼ 営業活動内容のトピック化

◼ 営業活動トピック等の条件から成約確

率をシミュレーション

◼ 成約要因を把握した効果的な営業教育

◼ 各企業の事業内容をトピック化

◼ 事業トピックとそのトレンド把握

◼ 各種IR指標と事業トピックの関係分析

◼ 定性情報からの企業分析、業界分析

◼ 志望動機やPR文のトピック抽出

◼ 記述内容からの学生の分類・振り分け

◼ 記述内容と入社後成果の関係分析

◼ 効率的な人材発掘

◼ 診療記録、看護記録のトピック化

◼ 生活習慣と病状の関係分析

◼ 治療内容とその経過の関係分析

◼ 定性情報を用いた効果的な診療支援

◼ 不具合やヒヤリハット等のトピック抽出

◼ 作業環境等の条件から問題の発生確

率をシミュレーション

◼ 効果的な製品や作業環境の改善支援


株式会社アナリティクスデザインラボ

[email protected]

資料に関するお問い合わせやコンサルティングのご相談は以下までお願いします。

http://www.analyticsdlab.co.jp/

会社ホームページもご参考にしてください。過去の講演・論文資料や技術解説も掲載しています。

http://www.analyticsdlab.co.jp/index.html

特許文書データに人工知能技術を応用した 競合分析...

Documents

特許文書データに人工知能技術を応用した競合分析...